عملیات کشش عمیق یکی از کاربردی ترین روشهای شکل دهی ورقهای فلزی از گروه شکل دهی فلزات می باشد در این فرایند پارامترهای زیادی روی موفقیت فرایند و خواص قطعات تأثیر می گذارند. غیر از چین خوردگی و برگشت فنری یکی از عیوب اصلی قطعات در این فرایند، یکنواختی و کاهش ضخامت دیواره می باشد. که در نهایت می تواند پس از گلویی شدن منجرب به پارگی نیز گردد، کاهش ضخامت ورق در حین فرایند. خود به پارامترهای مختلف فرایند وهندسه قالب و قطعه بستگی دارد. بدست آوردن مقدار بهینه برای ضخامت دیواره در عملیات کشش عمیق بوسیله مدلهای تحلیلی یا محاسباتی مشکل است به همین دلیل در اینجا از روش تلفیقی شبکه های عصبی و الگوریتم ژنتیک استفاده شده است در این پروژه دو حالت برای متغیرها مورد بررسی قرار می گیرد: 1)شعاع لبه سنبه، شعاع لبه ماتریس و نیروی ورق گیر بعنوان متغیرهای مساله و ضخامت دیواره تابع هدف است. 2) شعاع لبه سنبه، شعاع لبه ماتریس، نیروی ورق گیر، اصطکاک بین سنبه با ورق، اصطکاک بین ورق گیر با ورق و اصطکاک بین ماتریس و ورق متغیرهای ورودی و ضخامت دیواره تابع هدف است. برای بدست آوردن مقادیر بهینه از نرم افزار المان محدود abaqus، روش طراحی آزمایش، شبکه های عصبی و الگوریتم ژنتیک استفاده شده است آزمایشهای پیشنهادی با روش full factorial با روش آنالیز المان محدود شبیه سازی می شوند. نتایج بدست آمده از المان محدود برای آموزش شبکه از نوع levenberg-marquardt (lm بکار برده می شوند شبکه بدست آمده بوسیله داده های دیگر تست می شود و برای بدست آوردن بهینه در الگوریتم ژنتیک بکار گرفته می شود. نتایج بدست آمده با نتایج تحلیل واریانس که از روش full factorial بدست آمده است. چک می شوند که در این کار، نتایج مطابقت خوبی با هم دارند. نهایتا نتایج بدست آمده با قالب ساخته شده برای صحه گذاری نهایی مقایسه می شوند. در این پروژه نتایج بدست آمده از آزمایش با نتایج فصلهای مختلف بخوبی مطابقت دارد. با توجه به اینکه در کشش عمیق پارامترهای زیادی وجود دارند. در ادامه این کار می توان پارامترهای دیگر را نیز در نظر گرفت و به کنترل و دقت بالاتری دست یافت. همچنین توابع هدف دیگری چون پارگی، چین خوردگی، گوشواره ای شدن و نیروی سنبه را می توان در نظر گرفت. هر یک از این توابع هدف به تنهایی یا با همدیگر می توانند بعنوان تابع هدف برای مساله مورد نظر باشند.